Einfacher A/B-Test
Jetzt, da wir die benötigte Stichprobengröße kennen und das Experiment lange genug lief, um mindestens 400 Personen pro Gruppe zu sammeln, können wir unseren A/B-Test auswerten.
Denk daran: Als Bewerber die Website von Lending Club nutzten, wurden sie zufällig einer von zwei Gruppen zugewiesen, A oder B. Gruppe A sah eine Website-Kopfzeile in Mintgrün, Gruppe B eine in Hellblau. Lending Club wollte wissen, ob die Farbwahl der Kopfzeile loan_amnt beeinflusst – also den Betrag, den ein Bewerber ausleihen möchte.
Ein neuer Datensatz, lendingclub_ab, ist in deinem Arbeitsbereich verfügbar. Der A/B-Test lief, bis es 500 Bewerber in jeder Gruppe gab. Jeder Bewerber ist als Gruppe A oder B gekennzeichnet. Führe den passenden Test durch, um zu prüfen, ob sich der Mittelwert von loan_amnt zwischen den beiden Gruppen unterscheidet.
Diese Übung ist Teil des Kurses
Versuchsplanung in R
Anleitung zur Übung
- Erstelle mit
ggplot2ein Boxplot vonloan_amntnachGroup. - Führe den zweiseitigen t-Test durch, um die A/B-Testergebnisse zu prüfen.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Plot the A/B test results
ggplot(___, aes(x = ___, y = ___)) +
geom_boxplot()
# Conduct a two-sided t-test
t.test(___ ~ ___, data = ___)